Modelos de Classificação de Aprendizagem de Máquina para Priorização de Teste de COVID-19 no Brasil
Resumo
O objetivo com este estudo é priorizar efetivamente pacientes sintomáticos para teste de COVID-19 no Brasil e auxiliar na detecção precoce, abordando problemas relacionados à testagem e estratégias de controle. Foram pré-processados 55.676 dados e o teste do qui-quadrado foi usado para confirmar a relevância dos campos: gênero, profissional de saúde, tosse, coriza,dor de cabeça, distúrbios febre, dor de garganta, dispneia, olfatórios e do paladar. Modelos de classificação foram implementados com base nos dados; aprendizagem supervisionada; e algoritmos clássicos. Um dos modelos de maior desempenho foi o de árvore de decisão (média de acurácia ≥ 89,12%), como é de fácil interpretabilidade, foi considerado o mais adequado.Referências
Chatterjee, A., Gerdes, M. W., Martinez, S. G. (2020). Identification of risk factors associated with obesity and overweight-a machine learning overview. Sensors (Basel), 20(9):2734.
Malta, M., Murray, L., Silva, C. M. F. P., Strathdee, S. A. (2020). Coronavirus in Brazil: the heavy weight of inequality and unsound leadership. EClinicalMedicine, 25:100472.
Monteiro, O. M., Fuller, T. L., Brasil, P., Gabaglia, C. R., Nielsen-Saines, K. (2020). Controlling the COVID-19 pandemic in Brazil: a challenge of continental proportions. Nature Medicine, 26(10):1505-1506.
Santana Í. S. S., Silveira, A. C. M., Sobrinho, Á., Silva, L. C., Silva, L. D., Santos, D. F. S., Gurjão, E. C., Perkusich, A. (2021). A Brazilian dataset of symptomatic patients for screening the risk of COVID-19. Mendeley Data.
Santana, Í. V. S., Silveira, A. C. M., Sobrinho, Á., Silva, L. C., Silva, L. D., Santos, D. F. S., Gurjão, E. C., Perkusich, A. (2021). Classification Models for COVID-19 Test Prioritization in Brazil: Machine Learning Approach. Journal of Medical Internet Research, 23(4).
Malta, M., Murray, L., Silva, C. M. F. P., Strathdee, S. A. (2020). Coronavirus in Brazil: the heavy weight of inequality and unsound leadership. EClinicalMedicine, 25:100472.
Monteiro, O. M., Fuller, T. L., Brasil, P., Gabaglia, C. R., Nielsen-Saines, K. (2020). Controlling the COVID-19 pandemic in Brazil: a challenge of continental proportions. Nature Medicine, 26(10):1505-1506.
Santana Í. S. S., Silveira, A. C. M., Sobrinho, Á., Silva, L. C., Silva, L. D., Santos, D. F. S., Gurjão, E. C., Perkusich, A. (2021). A Brazilian dataset of symptomatic patients for screening the risk of COVID-19. Mendeley Data.
Santana, Í. V. S., Silveira, A. C. M., Sobrinho, Á., Silva, L. C., Silva, L. D., Santos, D. F. S., Gurjão, E. C., Perkusich, A. (2021). Classification Models for COVID-19 Test Prioritization in Brazil: Machine Learning Approach. Journal of Medical Internet Research, 23(4).
Publicado
15/06/2021
Como Citar
SANTANA, Íris Viana dos S.; CÉSAR SOBRINHO, Álvaro Alvares de Carvalho.
Modelos de Classificação de Aprendizagem de Máquina para Priorização de Teste de COVID-19 no Brasil. In: CONCURSO DE TRABALHOS DE INICIAÇÃO CIENTÍFICA - SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO APLICADA À SAÚDE (SBCAS), 21. , 2021, Evento Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 115-120.
ISSN 2763-8987.
DOI: https://doi.org/10.5753/sbcas.2021.16111.
